非线性互补问题的内点法

在利用惩罚函数法求解非线性互补问题的基础上，将非线性互补问题转化成不等式约束问题，利用引入的附加变量，将其转化成等式约束问题，再采用将罚函数法和Lagrange乘子法相结合的方法进行求解，算法的收敛性得到了证明，数值实验与仅用惩罚函数方法相比，有更强的收敛性和更快的收敛速度。     

非线性互补问题的罚函数法

将非线性互补问题转化为带约束的优化问题,在已有的利用罚函数方法求解约束化优化问题 的基础上,提出了利用惩罚函数方法来求解非线性互补问题的算法。并利用惩罚函数的单调性质证明了 算法的全局收敛性。最后得出的数值试验表明了算法良好的适定性和强收敛性质。     

非线性互补问题的罚函数法

将非线性互补问题转化为带约束的优化问题，在已有的利用罚函数方法求解约束化优化问题的基础上，提出了利用惩罚函数方法来求解非线性互补问题的算法。并利用惩罚函数的单调性质证明了算法的全局收敛性。最后得出的数值试验表明了算法良好的适定性和强收敛性质。     

非线形互补问题的障碍函数法

将非线形互补问题转化为约束的优化问题,在已经的利用内点障碍函数方法求解约束优化问题的基础上,提出了利用障碍函数方法求解非线形互补问题的采用序列无约束最小化方法(SUMT)的算法,并利用障碍函数的单调性证明了算法的全局收敛性.最后得出的数值试验表明了算法具有良好的适宜性和强收敛性.     

线性互补约束均衡问题的一个光滑技术及全局收敛性

利用一个新的互补函数及光滑近似法的思想将线性互补约束均衡问题转化为等价的光滑非线性方程组来求解.提出了一种基于线搜索规则的SQP算法,并在非退化假设条件下得到该算法是全局收敛性结果.     

非线形互补问题的障碍函数法

将非线形互补问题转化为约束的优化问题，在已经的利用内点障碍函数方法求解约束优化问题的基础上，提出了利用障碍函数方法求解非线形互补问题的采用序列无约束最小化方法（SUMT）的算法，并利用障碍函数的单调性证明了算法的全局收敛性．最后得出的数值试验表明了算法具有良好的适宜性和强收敛性．     

非线性互补问题的光滑算法

基于非线性互补问题(NCP(F))的等价变形,利用Fischer-Burmeister函数的光滑逼近函数将非线性互补问题转化为优化问题.提出了一种求解非线性互补问题的光滑逼近算法,通过构造非线性互补问题的一个新的光滑逼近函数,将非线性互补问题等价地转化为求解光滑方程组问题.在一定条件下证明了该算法的全局收敛性.数值实验结果说明了算法的有效性.     

一种求解线性二阶锥规划的修正FR共轭梯度法

为求解线性二阶锥规划,介绍了一种修正FR共轭梯度法.给出线性二阶锥规划问题的KKT条件,利用F-B光滑函数将互补性条件光滑化,将KKT条件转化成一个与之等价的光滑非线性方程组,给出一个价值函数,将光滑非线性方程组转化为无约束优化问题,利用共轭梯度法求解无约束优化问题,得到原问题的最优解.证明该算法的全局收敛性.     

非线性互补问题光滑牛顿法的全局收敛性

在将非线性互补问题转化为求解非光滑方程组的基础上,为了将非线性互补问题转化为求解光滑方程组,通过引入一个新的光滑NCP函数,建立了求解P0函数非线性互补问题的一步光滑牛顿法,并在较弱的条件下证明了该算法具有良好的适定性和全局收敛性.     

混合互补问题光滑算法的局部二阶收敛性

采用将混合互补问题转化与其等价的KKT系统,利用Fischer-Burmeister函数进一步将其转化成非线性方程组求解.利用光滑逼近函数来逼近Fischer-Burmeister函数,得到相应的光滑方程组.文中把信赖域方法和梯度法相结合,提出了Jacobian光滑化方法,推广了Ma和Chen的方法.在算法中给出了一个限制条件,当条件满足时,采用信赖域步;条件不满足时,采用梯度步.证明了当迭代步数足够大时,产生的下降方向都是牛顿方向,算法在一定条件下的局部超线性及二阶收敛性都得到了证明.     

非线性极大极小问题的一个有效算法

针对一类非线性约束极大极小问题,利用极大熵方法将其转化为带等式、不等式约束的非线性规划问题,给出了一种梯度投影算法,解决了一般约束的非线性大系统优化问题,该算法初始点可任意;同时证明了该算法的全局收敛性。初步的数值试验表明,对于该类极大极小问题,算法有良好的数值表现。     

非线性极大极小问题的可行信赖域算法

针对一类非线性约束极大极小问题,利用极大熵方法将转化为带不等式约束的非线性规划问题,给出了一种可行信赖域算法,解决了不等式约束的非线性大系统优化问题,并证明了该算法的全局收敛性。初步的数值试验表明,对于该类极大极小问题,本算法有良好的数值表现。     

一类非线性规划人工神经网络模型

以Hopfield连续模型为基础,本文提出了可用于求解具有多项式形式的目标函数、多项式形式的等式约束和多项式形式的不等式约束的非线性规划问题的人工神经网格模型。     

一种新的填充函数方法

提出了一种解决含有等式约束及不等式约束的全局优化问题的填充函数方法.该方法是把含有等式约束及不等式约束的全局优化问题,转换成只含有不等式约束的全局优化问题,再利用罚函数的思想,把求解有约束的全局优化问题化成求解无约束的全局优化问题.     

一类新的乘子方法

提出一种乘子方法用于解带不等式约束的非线性规划问题。其具体思路如下：先将原不等式约束问题用Fischer-Burmeister非线性规划互补（NCP）函数转化为一个等价的等式约束问题;在此基础上,经过适当修改后的DI PILLO的方法以及参考Xuewu Du,Liansheng Zhang,Yuelin Gao的方法,将等式约束问题转化为无约束极小化问题。在适当的假定条件下,通过求解一个无约束连续可微函数的最小值来得到原约束问题的解,从而可以使用标准的无约束极小化方法来求其解。最后,讨论了原不等式约束问题和转换后的无约束问题相关的最优性条件之间的等价关系,以及局部最优性和全局最优性结果：即在适当的假设下,只要罚参数充分大,并不要求罚参数趋于无穷,则原约束问题的最优解（或KKT点）对应于增广Lagrangian函数的最优解（或平稳点）。     

一种关于序列二次规划和lp罚函数的推论与证明

针对一般的含有不等式和等式约束的非线性优化问题,给出了一个关于序列二次规划和lp罚函数的推论与证明.推导了当取相应的二次规划子问题的解作为搜索方向时,则lp罚函数沿该搜索方向的方向导数满足一定的不等式条件;同时通过确定罚参数的取值范围,证明了该搜索方向是lp罚函数在原问题处的下降方向.     

非线性规划按K-S函数凝聚为单个约束的解法

为了减少求解非线性规划约束数目太多的巨大计算量,采用K-S函数将非线性规划问题化为只有1个约束条件,按等式约束拉格朗日乘子法得到鞍点条件,利用泰勒公式展开得到近似方程求解非线性规划,迭代求解算例表明该解法具有应用价值.     

新的填充函数及填充函数方法

对既含有等式约束也含有不等式约束的一般规划问题,提出了一种新的填充函数及填充函数方法。通过解无约束的填充函数的局部最优解来得到原约束问题的局部最优解,该最优解比现有的解要好,最后得到该约束问题的全局最优解。     

一般约束优化问题的摄动梯度投影法

利用梯度投影法与罚函数技巧,将带等式和不等式约束优化问题化成一个无约束问题,提出了求解不等式、等式约束优化问题的摄动梯度投影算法。考虑到计算的误差因素,在搜索方向上进行摄动,得到一个方向不精确的梯度投影法。参数Wk取不同的数还可以得到一类梯度投影法。从而保证了在实际应用中更容易实现,在较弱的条件下,证明了该算法的全局收敛性。